Transformer 架构详解概述Transformer 是 Google 团队在 2017 年论文《Attention Is All You Need》中提出的深度学习架构。它完全基于注意力机制，摒弃了传统的循环（RNN）和卷积（CNN）结构，成为当今几乎所有大语言模型（GPT、Claude、DeepSeek 等）的基础架构。 📄 摘要: 核心思想Attention Is All You

Merge 与 Rebase 实战演示概述本笔记通过模拟两个开发者协作的方式，实际演示 git merge 和 git rebase 的区别，重点展示 rebase 在公共分支上使用时为什么会出问题。 演示思路用两个本地文件夹（me/ 和 xiaowang/）分别 clone 同一个远程仓库，模拟两个人在不同电脑上操作。 演示环境 远程仓库：https://gitee.com/Zmmmmy/not

AI Coding 问题应对实践概述AI Coding 在带来效率提升的同时，也引入了一系列新的工程挑战——幻觉、代码腐化、上下文遗忘、提示注入等问题。这些问题并非不可控，关键在于建立系统性的防御机制。 本文将应对策略按防御层级组织，从一次性的项目配置到日常编码习惯，再到定期维护和团队规范，形成一套可落地的实践体系。 💡 提示: 前置阅读本文是 AI Coding概念全景 的实践篇，建议先了解

AI Coding 概念全景概述AI Coding（AI 辅助编程）是指利用大语言模型（LLM）及相关工具来辅助或自动化软件开发过程的技术范式。从 2022 年 GitHub Copilot 正式发布开始，AI 编程工具经历了从”代码补全”到”自主编程 Agent”的快速演进，深刻改变了软件开发的工作方式。 本文系统梳理 AI Coding 领域的核心概念、编程模式、基础技术、工具生态和方法论，适

Spring AI Tool Calling 详解概述Tool Calling（工具调用）是 Spring AI 框架中让 AI 模型与外部世界交互的核心能力。它允许 AI 模型在对话过程中识别需要调用外部工具的时机，生成结构化的调用参数，执行工具后将结果融入对话。 💡 提示: 与 Function Calling 的关系Tool Calling 是 Spring AI 对各大模型厂商 Fun

MCP 工具列表获取机制概述MCP（Model Context Protocol，模型上下文协议）是一个开放协议，标准化了应用程序如何向大语言模型（LLM）提供上下文，使 AI 应用能够以一致的方式连接各种数据源和工具。 本文重点讲解 MCP 工具列表是如何获取的，以及获取的时机。 MCP 协议生命周期MCP 定义了客户端-服务器交互的 三阶段生命周期： 1234┌─────────────┐

WebRTC 基础概念什么是 WebRTC？WebRTC（Web Real-Time Communication） 是一项开源技术，允许 Web 浏览器和移动应用进行实时通信，无需中介服务器或插件。 核心定义 Web - 在浏览器中运行，基于 JavaScript API Real-Time - 低延迟通信（通常在毫秒级） Communication - 支持音频、视频和任意数据传输 为什么需要

Jackson 依赖详解Jackson 是 Java 生态中最流行的 JSON 处理库，由多个模块组成。本文详细介绍各个依赖的作用。 整体架构Jackson 采用模块化设计，分为三层： 12345678910┌─────────────────────────────────────────────────────┐│ 数据格式模块

Agent 工具调用技术详解概述现代 AI Agent 需要与外部世界交互才能完成实际任务。本文详细介绍三种核心技术：Function Calling、MCP 和 Agent Skills，它们构成了 Agent 工具调用的完整技术栈。 12345678910┌─────────────────────────────────────────────────────────┐│

Claude Code Skills 详解概述Skills 是 Claude Code 中的模块化、可发现的知识单元，用于教导 Claude 如何以可重复的方式完成特定任务。它们是独立的软件包，包含指令、元数据和可选的资源文件。 核心特性 特性 说明 模块化和可重用性 独立的软件包，可跨项目重复使用 自动调用机制 Claude 根据用户请求自动判断何时触发 渐进式披露 仅预加载元